基于神经网络的SAR图像多尺度分割的研究-计算机应用技术专业论文.docxVIP

摘 摘 要 合成孔径雷达(Synthetic Apeture Radar，SAR)是一种微波成像系统，在军事、经济 和社会等领域具有广泛应用，因此，对SAR图像的解释引起了广大学者的高度重视， 而SAR图像的分割是其理解的基础，所以，SAR图像分割一直是SAR图像研究的热点。 由于SAP,图像特殊的成像机理导致SAR图像含有大量的斑点噪声，给分割工作带来了 较大的困难。针对目前SAR图像分割方法的现状和不足，并结合SAR图像固有的统计 特征，本文将多尺度分析技术和神经网络理论相结合，提出了三种SAR图像分割的新 方法，并通过实验验证了所提方法的可行性和有效性。具体为： 1．基于自组织特征映射(Self-Organizing Feature Map，SOM)网络的SAR图像多尺度 分割技术。该方法首先对SAR图像进行多尺度建模，提取SAR图像多尺度统计特征， 以此作为SOM神经网络的输入，研究SOM神经网络结构、训练算法以及基于该网络 的SAR图像分割，最后给出结果的评价。 2．基于概率神经网络(Probabilistic Neural Network，PⅫm的SAR图像多尺度分割 技术。该方法仍然首先对SAR图像进行多尺度建模，提取SAR图像多尺度特征，然后 用K-均值方法对训练样本进行聚类，以此减小PNN网络模式层规模，并确定参数初值， 在此基础上提出改进概率神经网络的结构和训